隨著互聯(lián)網(wǎng)視頻業(yè)務(wù)量的迅速增長(zhǎng),在線電影等流媒體服務(wù)已經(jīng)成為人們對(duì)網(wǎng)絡(luò)業(yè)務(wù)需求的重要組成部分。隨著在線電影質(zhì)量和數(shù)量的不斷提升,用戶(hù)對(duì)在線電影的關(guān)注度也逐漸提高。如何從龐大的在線電影資源中根據(jù)用戶(hù)需求進(jìn)行推送,是提高用戶(hù)滿(mǎn)意度,優(yōu)化網(wǎng)絡(luò)資源的需要解決的重要課題。在線電影推薦系統(tǒng)是電影推介技術(shù)的有效途徑之一,目前已經(jīng)成為研究熱點(diǎn)。近年來(lái)所研究出的電影推薦系統(tǒng)主要依據(jù)用戶(hù)對(duì)電影的評(píng)分來(lái)尋找相關(guān)用戶(hù),但是不同用戶(hù)對(duì)電影的審視標(biāo)準(zhǔn)不同,從而會(huì)產(chǎn)生對(duì)同一部電影有不同評(píng)價(jià)的結(jié)果,甚至?xí)霈F(xiàn)差別較大情況。因此,僅根據(jù)評(píng)分結(jié)果來(lái)進(jìn)行電影推薦存在一定局限性。為了提高對(duì)電影評(píng)價(jià)的客觀性,電影評(píng)論被納入評(píng)判標(biāo)準(zhǔn)中。通過(guò)用戶(hù)在電影評(píng)論中體現(xiàn)出的情感信息來(lái)分析和尋找相關(guān)用戶(hù)成為目前電影推薦關(guān)鍵技術(shù)的研究重點(diǎn)。目前基于情感分析的電影推薦技術(shù)大多將情感分為中性、積極和消極三類(lèi),實(shí)際上用戶(hù)對(duì)電影的情感表達(dá)是復(fù)雜的,僅用三類(lèi)信息來(lái)進(jìn)行判別存在較大局限;同時(shí)情感分類(lèi)技術(shù)中,還存在語(yǔ)義理解能力不足,強(qiáng)度分析薄弱等問(wèn)題,造成情感分類(lèi)準(zhǔn)確率低下。本文針對(duì)以上研究不足,綜合分析了情感類(lèi)別、強(qiáng)度,以及否定詞、程度詞等語(yǔ)義因素,建立... 

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 選題緣由及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 推薦系統(tǒng)研究現(xiàn)狀
        1.2.2 情感分析研究現(xiàn)狀
    1.3 研究目的和內(nèi)容
    1.4 主要工作及內(nèi)容安排
第2章 相關(guān)知識(shí)概述
    2.1 相關(guān)推薦算法和技術(shù)
        2.1.1 基于協(xié)同過(guò)濾的推薦
        2.1.2 基于內(nèi)容的推薦
    2.2 文本情感分析
        2.2.1 基于詞典的情感分析
        2.2.2 基于語(yǔ)義的情感分析
        2.2.3 基于機(jī)器學(xué)習(xí)的情感分析
    2.3 本章小結(jié)
第3章 基于情感詞典的文本情感分類(lèi)
    3.1 情感詞典的構(gòu)建
    3.2 程度詞和否定詞語(yǔ)義分析
        3.2.1 程度詞語(yǔ)義分析
        3.2.2 否定詞語(yǔ)義分析
        3.2.3 否定詞與程度詞不同組合語(yǔ)義分析
    3.3 評(píng)論文本情感分析
        3.3.1 評(píng)論文本分類(lèi)算法
        3.3.2 評(píng)價(jià)指標(biāo)
    3.4 實(shí)驗(yàn)結(jié)果分析
        3.4.1 實(shí)驗(yàn)流程設(shè)計(jì)
        3.4.2 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
第4章 基于用戶(hù)的協(xié)同過(guò)濾算法優(yōu)化設(shè)計(jì)
    4.1 基于相似用戶(hù)的稀疏矩陣填補(bǔ)
        4.1.1 問(wèn)題概述
        4.1.2 稀疏矩陣填補(bǔ)
    4.2 基于用戶(hù)的協(xié)同過(guò)濾的電影推薦
        4.2.1 問(wèn)題概述
        4.2.2 用戶(hù)特征相似度
        4.2.3 基于用戶(hù)的協(xié)同過(guò)濾算法
    4.3 算法評(píng)價(jià)指標(biāo)
    4.4 實(shí)驗(yàn)結(jié)果分析
        4.4.1 鄰居用戶(hù)集選取實(shí)驗(yàn)與分析
        4.4.2 稀疏矩陣填補(bǔ)實(shí)驗(yàn)與分析
        4.4.3 幾種推薦方法對(duì)比實(shí)驗(yàn)與分析
    4.5 本章小結(jié)
第5章 基于Spark的電影推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 系統(tǒng)架構(gòu)設(shè)計(jì)
    5.2 系統(tǒng)主要模塊設(shè)計(jì)
        5.2.1 數(shù)據(jù)層
        5.2.2 策略層
        5.2.3 推薦引擎層
        5.2.4 業(yè)務(wù)層
    5.3 系統(tǒng)主要模塊實(shí)現(xiàn)
        5.3.1 數(shù)據(jù)處理
        5.3.2 推薦引擎關(guān)鍵算法實(shí)現(xiàn)
        5.3.3 推薦結(jié)果處理模塊
        5.3.4 用戶(hù)交互模塊
    5.4 系統(tǒng)測(cè)試與運(yùn)行
        5.4.1 系統(tǒng)環(huán)境
        5.4.2 系統(tǒng)功能測(cè)試
        5.4.3 系統(tǒng)性能測(cè)試
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 論文主要工作總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝



本文編號(hào)：3662296